越疆正式发布自研世界动作模型空弈DobotWAM具身大模型。在具身智能标准评测基准LIBERO上，空弈DobotWAM具身大模型分别完成LIBERO-Spatial、LIBERO-Object、LIBERO-Goal和LIBERO-10四个标准任务套件，覆盖空间关系理解、物体泛化、目标指令理解以及长时序任务执行等关键能力维度，平均成功率达99.25%，领先于π0.5、π0、GR00T-N1.5、π0+FAST等公开模型，以及行业内已有数据公布的其他模型结果。其中，空弈DobotWAM具身大模型在LIBERO-Object上实现100/100全部成功，在Spatial、Goal和LIBERO-10三个套件中均达到99/100。此次LIBERO的表现，标志着越疆已跻身具身智能行业头部。这并非偶然，而是源于公司近三年完成从协作机器人到具身智能的产品战略升级。基于对机器人“身体”操作能力的深刻理解，空弈DobotWAM具身大模型形成了独特的具身优势。具身智能的下一站，不是更好看的演示，而是真实可用的现场执行能力。过去，机器人演示多以预设轨迹的舞蹈、翻跟头为主，好看却离生产很远；如今，越疆将焦点拉回插接、抓取、对准等高精度接触作业，让具身智能真正走向可用、可靠、可落地，引领行业向具备真实操作能力、可落地复用的方向前进。机器人走向真实应用，真正的挑战不再是“识别物体”，而是在动态、多变的开放场景中，理解空间关系、拆解任务目标、生成符合运动结构的动作，并在多步执行中始终保持全局一致。近两年，视觉—语言—动作模型成为具身智能动作生成的主流范式，在数据覆盖充分、任务边界清晰的场景下展现了较高效率。然而，过度依赖二维图像模式或离线轨迹模仿，在面对空间扰动、物体变化、长流程任务和真实接触反馈时，仍容易出现动作漂移、目标丢失，或局部动作正确而整体任务失败的情况。这要求机器人模型必须超越单纯的“模仿”，建立起对动作深层次结构的真正理解。空弈DobotWAM的高成功率，源于其在感知、理解、控制与数据闭环上的系统性设计。模型在视觉—语言—动作建模的基础上，进一步引入三维空间理解、机器人运动几何约束和真实数据闭环机制，使机器人不仅学会“模仿动作”，更学会“理解动作为什么这样做”。其核心技术突破包含四个方面：·3D-Aware Spatial Rep
=*=*=*=*=*=
当前为第1/3页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页